AgentKeeper：为 AI Agent 打造认知连续性基础设施

当你的 AI Agent 失忆了

凌晨两点，你刚部署了一个 AI 客服 Agent，处理用户咨询。一觉醒来，它完全不记得昨晚的对话状态，所有上下文窗口被刷新——用户的历史问题、进行到一半的排查流程，全部归零。这就是当前 AI Agent 最大的软肋：认知不连续（Cognitive Discontinuity）。模型切换、上下文窗口溢出、进程崩溃、重启……每一次"断点"都意味着 Agent 的身份、记忆、优先级从零开始。

AgentKeeper 正是为解决这一问题而生的开源框架。它的核心命题是：把 AI Agent 的认知状态（Identity、Memory、Priorities）当作一种系统级资源来管理——像给虚拟机做快照一样，给 AI Agent 的人生存档。

---

项目背景与作者

AgentKeeper 由 ThinkLanceAI（一家专注于 AI 认知基础设施的初创公司）开发维护，作者是 Tom Anciaux Berner。项目采用 MIT 许可证，已在 GitHub 上积累约 119 颗星，被标注了 agent-memory、cognitive-continuity、cross-model、embeddings 等 10 余个主题标签，直接反映了其核心定位。

目前项目处于 v1.1 已完成、v1.2 开发中 的阶段，版本号显示为 1.2.0。从功能完整性来看，已经是一个非常成熟的库——491 个测试用例、完整的类型注解（py.typed）、mypy 严格模式支持。

---

核心功能：七个"杀手锏"

1. 跨模型身份持久化

AgentKeeper 允许你为 Agent 定义一套"宪法级"原则——这些原则受特殊保护，在每一次压缩、重建、模型切换时都会被强制注入到上下文中，不会被遗忘：

agent.set_identity(
    name="Aria",
    role="EU保险经纪人助手",
    principles=["未经明确同意，绝不分享任何PII信息"],
    constraints=["仅在EU数据驻留范围内操作"]
)
agent.principle("预算变动必须书面确认")
agent.save()
# 100次压缩循环后，身份依然完好无损

2. 真正的跨模型记忆

同一个 Agent 的认知状态可以在 Claude（XML格式）、GPT-4（结构化sections）、Gemini（叙述性文本）、Ollama（轻量token）四种不同模型运行时之间无缝迁移，框架会自动将记忆内容"翻译"成各模型预期的格式：

agent = agentkeeper.load("aria", provider="anthropic")
response = agent.ask("我们对 Acme 公司了解多少？")
agent.switch_provider("openai").save()
response = agent.ask("同样的问题，换个模型再问一次")
# 记忆完好，格式自动适配，零重写

3. GDPR 友好：TTL 自动过期

数据事实和知识图谱三元组都可以设置 TTL，调用 purge_expired() 后自动清理：

agent.fact("会话令牌: abc123", ttl="1h")
agent.purge_expired()

4. 知识图谱 + BFS 图遍历

agent.link("Acme公司", "拥有", "Globex")
agent.find_related("Acme公司", max_hops=2)

5. MCP 一键接入

agentkeeper-mcp --agent-id aria --provider anthropic

6. 检查点快照：崩溃恢复

snap = agent.checkpoint(label="重构前", execution_state={"current_file": "auth.py"})
agent = agentkeeper.load("aria").restore(snap.snapshot_id)

7. 跨平台 AI 记忆导入与对比

ChatGPTImporter("chatgpt-export.zip").apply(agent)
ClaudeImporter("claude-export.zip").apply(agent)
compare_scopes(agent, "platform:chatgpt", "platform:claude")

---

架构解析

AgentKeeper 内部分为：公共 API层 → 认知重建引擎(CRE) → 记忆层(Working/Episodic/Semantic/Archival) → 向量召回(sqlite-vec) → 认知压缩(Decay/Consolidation/Contradiction) → 知识图谱层 → 存储层(SQLite/加密SQLite/Postgres) → 集成层(MCP/LangChain/CrewAI)。

核心零依赖，pip install agentkeeper-ai 即可运行。语义索引默认本地 sentence-transformers（免费离线可用）。

---

代码质量评估

维度	评分	说明
架构设计	⭐⭐⭐⭐⭐	分层清晰、可插拔存储
类型安全	⭐⭐⭐⭐⭐	py.typed + mypy strict
测试覆盖	⭐⭐⭐⭐	491 个测试用例
文档质量	⭐⭐⭐⭐	README详尽，含完整架构图
安全设计	⭐⭐⭐⭐	AES-128-CBC+HMAC-SHA256加密存储，PII隔离

---

上手体验

pip install agentkeeper-ai
python examples/demo.py  # 无需API Key即可体验

---

局限性与挑战

面向有 LLM 调用能力的开发者；无 Dockerfile/docker-compose，不支持一键部署；postgres 存储后端 v1.2 才完整实现。

---

行业意义

AgentKeeper 是目前唯一从"认知连续性"哲学高度系统解决 AI Agent 记忆问题的开源项目，建立了完整的认知生命周期管理机制（硬核身份保护 → 主动遗忘 → 快照恢复 → 跨模型迁移）。

---

本报告基于 GitHub 最新代码库（v1.2.0）生成。